液态神经网络凭借动态神经元响应特性与低算力部署优势，已成为神经形态计算与实时时序处理领域的核心突破方向，在工业传感、自动驾驶、机器人控制等场景进展迅猛。
本文整理了10篇液态神经网络的最新前沿论文，正在做相关课题的伙伴可以直接下方领取论文及代码（部分包含），搭基线、找改进点、扩实验方向都能直接用上。
长按识别下方二维码，回复【LNN】
无偿领全部论文合集及项目代码
Forecasting Excessive Anesthesia Depth Using EEG α-Spindle Dynamics and Machine Learning
基于EEG α纺锤波动力学与机器学习的麻醉过深预测
文章内容
针对全身麻醉中药物过量状态预判困难、现有监测手段无法提前预警等电抑制的临床痛点，提出基于额叶EEG α纺锤波动力学的实时数据驱动预测框架。采用经验模态分解分割瞬态α纺锤波事件，提取幅值、时长、频率及抑制间隔等统计特征，训练轻量梯度提升机分类器。在包含诱导、维持、苏醒三期的临床数据集上，麻醉分期分类准确率超80%，可提前90秒预判麻醉过量标志等电抑制的发生，准确率达96%，为无创主动麻醉管理提供了新途径。
Lightweight Liquid Neural Networks Decipher Salivary Metabolic Fingerprinting for High-Risk Periodontitis Screening in Diabetes
面向糖尿病高危牙周炎筛查的轻量液态神经网络唾液代谢指纹解析方法
文章内容
针对糖尿病合并牙周炎高危人群快速筛查需求，构建探针电喷雾电离质谱唾液代谢指纹采集与轻量液态神经网络分类框架。纳入426名受试者分为健康、牙周炎、牙周炎合并糖尿病三组，对比传统分类器与多种深度学习模型。结果显示该液态神经网络测试准确率达91.9%，合并疾病组召回率100%，可训练参数量仅为其他循环网络的约三分之一，验证了无创快速筛查高危表型的可行性。
LNN-powered Fluid Antenna Multiple Access
基于液态神经网络的流体天线多址接入方法
文章内容
针对流体天线多址系统中全端口信道状态获取成本高、端口选择难度大的问题，首次将端口选择建模为多标签分类任务，结合更具普适性的α-μ衰落模型，提出液态神经网络最优端口预测方案。通过超参数优化适配不同观测端口规模，在单端口与多端口合并接收场景下，中断概率均优于现有LSTM基线方法，可在仅观测少量端口时接近理想性能，为6G流体天线多址提供了高效解决方案。
↓↓听说在下方一键三连的都Accept了🌝
